オーディオ分離ツール Demucs

facebookresearch/demucs: Code for the paper Hybrid Spectrogram and Waveform Source Separation

オーディオファイルからドラム、ベース、ボーカルとそれ以外を分離するツール

自作PCへCUDA版のpyTorchとともにインストールした（2022/12/08）

以前試したときよりもかなり精度が高くなっている印象。音質劣化も少ない。 GPUを使用すると4〜5分程度の楽曲の処理が10秒以下で終わる。CPUだと数分はかかる。

# インストールされているCudaバージョンの確認
nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:41:10_Pacific_Daylight_Time_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0
 
# すでにインストールされているpytorchを削除
# conda/pipが定まっていなかったため念のため両方
conda remove pytorch torchvision torchaudio
pip uninstall pytorch torchvision torchaudio
 
# 今後はcondaで統一する。11.8対応のものがなかったので11.7を指定した
conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

Cuda版のPytorchが入ったか確認するPythonスクリプト

import torch
 
print(torch.__version__)
print(f"cuda, {torch.cuda.is_available()}")
print(f"compute_{''.join(map(str,(torch.cuda.get_device_capability())))}")
device_num:int = torch.cuda.device_count()
print(f"find gpu devices, {device_num}")
for idx in range(device_num):
    print(f"cuda:{idx}, {torch.cuda.get_device_name(idx)}")

実行結果

(base) PS C:\Users\takeu\Downloads> python .\gpu.py
1.13.0
cuda, True
compute_86
find gpu devices, 1
cuda:0, NVIDIA GeForce RTX 3070 Ti